본 논문은 인공 신경망 기반 상미분 방정식(ODE) 모델의 해석성 문제를 해결하기 위해, 고차 미분을 기반으로 한 이벤트 전이 텐서(Event Transition Tensors) 프레임워크를 제시합니다. 기존의 신경망 기반 ODE 모델은 블랙박스 성격으로 인해 해석이 어려운 한계가 있었는데, 이벤트 전이 텐서는 이벤트 다양체 상에서 신경망 ODE 동역학을 엄밀하게 수학적으로 기술함으로써 해석성을 향상시킵니다. 포식자-피식자 모델, 최적 제어 시스템, 3체 문제 등 다양한 응용 분야에서 이벤트 전이 텐서를 적용하여 모델의 불확실성 분석 및 동역학 해석을 수행하고, 그 결과를 통해 신경망 ODE의 해석력과 엄밀성을 높였음을 보여줍니다. 본 연구는 이벤트 트리거 기반 신경 미분 방정식에 대한 이론적 기반을 강화하고, 복잡한 시스템 동역학을 설명하기 위한 수학적 구조를 제공합니다.
